Poate un algoritm să prezică viitorul unui politician doar analizându-i tweet-urile? | Karina Petrova, PsyPost Un nou model statistic a sortat cu succes membrii Congresului SUA în grupuri politice și legislative distincte, bazându-se exclusiv pe modelele lor de interacțiune pe platforma de socializare X. Publicat în Journal of Computational and Graphical Statistics, studiul a identificat, de asemenea, un număr mic de valori aberante al căror comportament online părea să semnaleze ambiții pentru funcții mai înalte. Politicienii folosesc platformele publice pentru a-și comunica alegătorii principiile și pozițiile politice. Dincolo de declarațiile formale, mulți cultivă și un brand personal prin alegerile lor de limbaj și stil. Cu o mulțime de mesaje politice care apar acum online, cercetătorii au investigat modul în care oficialii aleși se poziționează prin asocierea strategică cu alții din coaliția lor. Noul studiu a fost realizat de Benjamin Leinwand, profesor asistent de științe matematice la Institutul de Tehnologie Stevens, și Vince Lyzinski, profesor de matematică la Universitatea din Maryland. Ei sunt specializați în știința rețelelor, un domeniu care analizează conexiunile din cadrul sistemelor complexe. Ei au căutat să determine dacă un model ar putea deduce structura de bază a unei rețele politice prin observarea doar a interacțiunilor, fără a primi nicio informație despre afilierile politice sau despre ce cameră a Congresului aparține un membru. Pentru a înțelege peisajul social al Congresului, cercetătorii aveau nevoie de un instrument care să poată cartografia rețeaua complexă de interacțiuni online. În esență, orice astfel de model statistic încearcă să calculeze o valoare simplă pentru fiecare pereche de indivizi: probabilitatea ca aceștia să se conecteze. Acest lucru produce un plan al rețelei, arătând ce conexiuni sunt probabile și care nu. Unele modele de rețea utilizate pe scară largă abordează această sarcină combinând câțiva factori cheie. De exemplu, un model ar putea estima probabilitatea unei conexiuni prin înmulțirea scorului individual de "sociabilitate" al unei persoane cu un scor care reprezintă cât de interactiv este grupul lor. Această metodă funcționează bine în multe scenarii, dar se poate defecta în rețele cu variații extreme. Problema apare în comunități dens conectate, unde câțiva indivizi sunt excepțional de activi. În astfel de cazuri, modelul ar putea atribui scoruri de sociabilitate foarte mari acestor persoane active și un scor ridicat de interacțiune grupului lor. Când aceste scoruri mari sunt înmulțite împreună, probabilitatea rezultată poate depăși 1 sau 100%. Aceasta este o imposibilitate matematică care semnalează că modelul nu reușește să reprezinte cu acuratețe dinamica socială de bază. Noul model dezvoltat de Leinwand și Lyzinski este construit pe o bază matematică diferită, special concepută pentru a evita această problemă. Calculele sale interne sunt construite într-un mod care garantează că rezultatul final pentru orice pereche de politicieni este întotdeauna o probabilitate validă, un număr între 0 și 1. Acest lucru asigură că modelul produce o hartă coerentă și logică a rețelei, chiar și în regiunile sale cele mai active și complexe. Dincolo de prevenirea erorilor, această nouă abordare oferă o mai mare flexibilitate. Nu presupune că modelele de conectare sunt aceleași pe întreaga rețea. De exemplu, unele modele ar putea presupune implicit că cei mai activi membri sociali ai unui grup sunt cei mai predispuși să se conecteze cu cei mai activi membri ai altuia. Noul model, totuși, poate detecta modele mai complicate. Ar putea, de exemplu, să găsească o situație în care membrii moderați ai două partide politice diferite interacționează frecvent, în timp ce cei mai partizani membri ai acelorași partide interacționează foarte puțin. De asemenea, poate recunoaște că tendința unui individ de a forma conexiuni se poate schimba în funcție de comunitatea cu care interacționează, oferind un portret mai detaliat și mai realist al comunicării politice. Folosind acest model, Leinwand și Lyzinski au analizat activitatea publică a 475 de membri ai celui de-al 117-lea Congres al SUA. Setul lor de date a inclus fiecare membru care a postat cel puțin 100 de tweet-uri într-o perioadă de patru luni, de la 9 februarie 2022 până la 9 iunie 2022. Modelul a definit o legătură între oricare doi politicieni dacă unul dintre ei l-a tweetat sau l-a retweetat pe celălalt în acest interval de timp. "Numim două persoane 'conectate', dacă unul dintre cei doi a postat pe Twitter pe celălalt sau l-a retweetat pe celălalt în această perioadă", a explicat Leinwand. Modelului nu i s-a furnizat nicio informație despre partidul unui politician, camera sau pozițiile sale politice. A fost însărcinat să sorteze cei 475 de indivizi în grupuri bazându-se doar pe rețeaua conexiunilor lor digitale. Modelul a identificat trei comunități principale. Aceste grupuri definite algoritmic au căzut pe linii politice familiare. Primul grup a fost compus aproape în întregime din senatori. A doua comunitate era formată în principal din membri democrați ai Camerei Reprezentanților, iar a treia era formată în mare parte din membri republicani ai Camerei. Analiza a arătat că politicienii din aceste trei grupuri au tendința de a interacționa cel mai frecvent cu membrii propriei comunități. "Congresmenii republicani au vorbit mult între ei, iar congresmenii democrați au vorbit mult între ei, deși congresmanii democrați au fost oarecum mai predispuși să interacționeze cu senatorii decât omologii lor republicani", a spus Leinwand. El a oferit o explicație potențială pentru acest model. La momentul observației, democrații dețineau majoritatea în Senat. Drept urmare, "ne-am putea imagina că congresmenii democrați ar putea fi stimulați să amplifice mesajele de conducere a Senatului în plus față de aliații lor din Cameră", a continuat el. ...